跳到正文
arXiv · 机器人与计算机视觉· Aryaman Gupta, Xiaoyue Wu, Rana Soltani Zarrin, Mark Van der Merwe·· 9 天前精选AI 评分85

GUARD:一种基于异常感知的 Q 导向框架用于生成式机器人灵巧操作策略

GUARD: Anomaly-Informed Q-Steering for Generative Robot Policies in Dexterous Manipulation

AI 导读

论文介绍 GUARD 框架,该框架利用扩散和流匹配生成的机器人策略的训练分布构建异常信号,将其与稀疏任务奖励结合并通过学习到的 Q 函数传播以引导去噪过程。在 Adroit 平台的四个灵巧操作任务中,该方法在标称和扰动动力学下平均成功率分别达到 96.0% 和 80.0%,优于最强基线 21.0 和 20.0 个百分点且保持最低异常分数。

推荐理由

提出利用训练分布中的异常信号引导去噪过程,在不修改预训练策略的情况下提升灵巧操作成功率与仿真到现实迁移效果。

来源:arXiv · 机器人与计算机视觉 · arxiv.org